基于改进的蚁群算法的无人驾驶车辆路径规划

无人驾驶车辆能够正常运行需要规划出最优或最短的行驶路径。目前，虽然已有很多提供了适当路径规划策略的方法，但这些方法并没有将车载电池为无人驾驶车辆提供的能量消耗作为约束条件。因此，提出了一种在路径规划策略中考虑无人驾驶车辆能耗的基于蚁群算法的路径规划方法。该方法将蚁群算法与能量消耗预测模型相结合，从而能够提供出能耗低的无碰撞的最短路径。该方法还可以通过仿真工具进行评估和验证，并与普通的蚁群算法、遗传算法和粒子群优化方法进行比较。通过考虑不同数量的迭代次数、不同数量的障碍物和不同的人口数量，进而模拟出各种场景，以评估上述所有方法用于无人驾驶车辆时的行驶时间及行驶距离。试验结果表明，所提出的方法优于上述其它方法。

所提出的基于蚁群算法和能量消耗预测模型的路径规划方法在无人驾驶车辆路径规划中考虑到了能量消耗。该方法还可在Matlab软件中实现操作。此外，当对该方法与遗传算法进行比较的过程中，还设计并利用了具有不同复杂度的3种配置空间，即简单、中等和复杂。研究结果表明，基于改进的蚁群算法在各种配置空间中都优于遗传算法。

未来的研究工作可以侧重于对无人驾驶车辆路径规划的各种方法消耗的能量进行比较。另外，也可以将该方法在动态环境下进行评估，并由此提出避免无人驾驶车辆与动态障碍物碰撞的方法。

刊名：IEEE Access（英）

刊期：2017年第5期

作者：M R Jabbarpour et al

编译：陈少帅